遙感圖像信息融合與分辨率增強(qiáng)技術(shù)

目錄
第 1章緒論 1
1．1國際遙感的發(fā)展歷程和趨勢 3
1．2國內(nèi)遙感的發(fā)展歷程和現(xiàn)狀 7
參考文獻(xiàn) 20
第 2章光學(xué)遙感基礎(chǔ) 22
2．1光學(xué)遙感系統(tǒng)成像原理 22
2．2基本概念 37
2．2．1空間分辨率 37
2．2．2光譜分辨率 39
2．2．3輻射分辨率 41
2．2．4時(shí)間分辨率 41
2．2．5遙感系統(tǒng)的信息容量 42
2．2．6光學(xué)遙感空間與光譜分辨率間的關(guān)系 42
參考文獻(xiàn) 44
第3章高光譜圖像特性及噪聲評價(jià)和降維算法 45
3．1高光譜圖像特性分析 46
3．1．1典型地物的光譜特性 46
3．1．2波段間相關(guān)性 48
3．2空間與光譜結(jié)合的噪聲估計(jì)方法 49
3．2．1噪聲產(chǎn)生的機(jī)理 49
3．2．2幾種遙感圖像中常用的噪聲概率密度函數(shù) 52
3．2．3噪聲評估國內(nèi)外研究現(xiàn)狀 55
3．2．4空間/光譜維去相關(guān)法噪聲評估 58
3．2．5實(shí)驗(yàn)分析 62
3．3高光譜圖像特征提取/降維 64
3．3．1主成分分析 64
3．3．2最小噪聲變換 66
3．3．3線性判別分析 67
3．3．4降維處理對高光譜圖像應(yīng)用的影響分析 68
參考文獻(xiàn) 69
第4章遙感圖像配準(zhǔn)校正 71
4．1遙感圖象配準(zhǔn)原理 71
4．1．1圖象預(yù)處理及配準(zhǔn)控制點(diǎn)選取 73
4．1．2圖象間變換模型的建立 74
4．1．3待配準(zhǔn)圖象的幾何變換和重采樣 76
4．1．4配準(zhǔn)精度的評定 79
4．2基于灰度信息的傳感器遙感圖象的配準(zhǔn) 80
4．2．1基于相關(guān)的配準(zhǔn)方法 80
4．2．2基于互信息的配準(zhǔn)方法 88
4．2．3基于高斯模型的遙感圖像配準(zhǔn) 93
參考文獻(xiàn) 98
第5章基于融合空間信息的分辨率增強(qiáng)技術(shù) 100
5．1基于圖像融合的分辨率增強(qiáng)技術(shù) 100
5．1．1圖像融合技術(shù) 100
5．1．2分辨率增強(qiáng)技術(shù) 102
5．1．3基于IHS變換融合算法及其改進(jìn)算法的分辨率增強(qiáng)技術(shù) 106
5．2增強(qiáng)空間信息的高光譜圖像數(shù)據(jù)融合 115
5．2．1基于回歸的融合算法 116
5．2．2基于相關(guān)向量回歸的融合算法 118
5．2．3仿真實(shí)驗(yàn)及性能分析 119
參考文獻(xiàn) 121
第6章基于時(shí)空融合的分辨率增強(qiáng)算法 124
6．1基于時(shí)空自適應(yīng)反射率融合模型的分辨率增強(qiáng)算法 124
6．1．1基于STARFM改進(jìn)時(shí)空數(shù)據(jù)融合方法 125
6．1．2時(shí)空融合算法原理 126
6．1．3基于STARFM改進(jìn)的時(shí)空數(shù)據(jù)融合方法 129
6．1．4實(shí)驗(yàn)結(jié)果與分析 132
6．2基于神經(jīng)網(wǎng)絡(luò)的時(shí)空融合分辨率增強(qiáng) 136
6．2．1神經(jīng)網(wǎng)絡(luò)的概述 138
6．2．2基于卷積神經(jīng)網(wǎng)絡(luò)反射率時(shí)空融合影像分辨率增強(qiáng) 141
6．2．3基于卷積神經(jīng)網(wǎng)絡(luò)圖像超分辨率的算法改進(jìn) 145
6．2．4實(shí)驗(yàn)結(jié)果與分析 148
參考文獻(xiàn) 150
第7章基于混合像元分解的高光譜圖像分辨率增強(qiáng) 154
7．1光譜解混發(fā)展現(xiàn)狀 154
7．2基于無監(jiān)督聚類的高光譜圖像端元提取 159
7．2．1 N-FINDR算法及其不足 160
7．2．2基于無監(jiān)督聚類的端元提取算法 162
7．2．3實(shí)驗(yàn)結(jié)果與分析 165
7．3基于支持向量數(shù)據(jù)描述的混合像素分解 170
7．3．1未知端元對解混的影響分析 170
7．3．2混合像素分解算法 171
7．3．3實(shí)驗(yàn)結(jié)果與討論 172
7．4混合像元分解后的分辨率增強(qiáng) 177
7．4．1基于空間相關(guān)性的子像素制圖方法 177
7．4．2基于感興趣目標(biāo)的子像素制圖方法 179
參考文獻(xiàn) 180
第8章分辨率增強(qiáng)算法在小目標(biāo)檢測中的應(yīng)用 184
8．1典型高光譜圖像目標(biāo)檢測算法及效果評價(jià)方法 184
8．1．1光譜角度填圖法 186
8．1．2約束能量最小化算法 187
8．1．3檢測算法評價(jià)及ROC曲線 188
8．1．4分析與討論 189
8．2基于支持向量機(jī)數(shù)據(jù)描述的高光譜圖像目標(biāo)檢測 190
8．2．1支持向量數(shù)據(jù)描述原理及性能分析 191
8．2．2基于SVDD的目標(biāo)檢測算法原理及實(shí)現(xiàn) 196
8．2．3實(shí)驗(yàn)結(jié)果與分析 197
8．3分辨率增強(qiáng)在小目標(biāo)檢測中的應(yīng)用及性能評價(jià) 201
8．3．1基于融合的分辨率增強(qiáng)在小目標(biāo)檢測的應(yīng)用 201
8．3．2基于解混的分辨率增強(qiáng)在目標(biāo)檢測中的應(yīng)用 203
參考文獻(xiàn) 208